Bioestadística Tema 4: Probabilidad Bioestadística. U. Málaga.

¿Cuál es la probabilidad de aprobar Bioestadística? ¿Cuál es la probabilidad de no encontrarme un atasco cuando voy a clase? Todos los días nos hacemos preguntas sobre probabilidad e incluso los que hayáis visto poco de la materia en cursos anteriores, tenéis una idea intuitiva lo suficientemente correcta para lo que necesitamos de ella en este curso. En este tema vamos a: Ver qué entendemos por probabilidad. Mostar algunas reglas de cálculo. Ver cómo aparecen las probabilidades en CC. Salud. Aplicarlo a algunos conceptos nuevos de interés en CC. Salud. Pruebas diagnósticas. Bioestadística. U. Málaga. Tema 4: Probabilidad

Nociones de probabilidad Frecuentista (objetiva): Probabilidad de un suceso es la frecuencia relativa (%) de veces que ocurriría el suceso al realizar un experimento repetidas veces. Subjetiva (bayesiana): Grado de certeza que se posee sobre un suceso. Es personal. En ambos tipos de definiciones aparece el concepto de suceso. Vamos a ver qué son y algunas operaciones que se pueden realizar con sucesos. Bioestadística. U. Málaga. Tema 4: Probabilidad

Sucesos E espacio muestral E espacio muestral A A’ E espacio muestral Cuando se realiza un experimento aleatorio diversos resultados son posibles. El conjunto de todos los resultados posibles se llama espacio muestral (E). Se llama suceso a un subconjunto de dichos resultados. Se llama suceso contrario (complementario) de un suceso A, A’, al formado por los elementos que no están en A Se llama suceso unión de A y B, AUB, al formado por los resultados experimentales que están en A o en B (incluyendo los que están en ambos. Se llama suceso intersección de A y B, A∩B o simplemente AB, al formado por los elementos que están en A y B E espacio muestral A A’ E espacio muestral A B E espacio muestral A B E espacio muestral A B UNIÓN INTERS. Bioestadística. U. Málaga. Tema 4: Probabilidad

Definición de probabilidad Se llama probabilidad a cualquier función, P, que asigna a cada suceso A un valor numérico P(A), verificando las siguientes reglas (axiomas) P(E)=1 0≤P(A) ≤1 P(AUB)=P(A)+P(B) si A∩B=Ø Ø es el conjunto vacío. Podéis imaginar la probabilidad de un subconjunto como el tamaño relativo con respecto al total (suceso seguro) E espacio muestral 100% E espacio muestral A B Bioestadística. U. Málaga. Tema 4: Probabilidad

EJEMPLOS P(A)=3/9=1/3 P(A)=? P(B)=5/9 P(B)=? P(AUB)=6/9=2/3 P(AUB)=? E espacio muestral A B P(B)=5/9 P(B)=? P(AUB)=6/9=2/3 P(AUB)=? P(AB)=2/9 P(AB)=? P(A)=3/9=1/3 P(A)=? P(A’)=6/9=2/3 P(A’)=? E espacio muestral A B P(B)=2/9 P(B)=? P(B’)=4/9 P(B’)=? P(AUB)=3/9=1/3 P(AUB)=? P(AB)=2/9 P(AB)=? P(A’)=6/9=2/3 P(A’)=? P(A)=3/9=1/3 P(B’)=7/9 P(B’)=? P(A)=? E espacio muestral A P(B)=2/9 P(B)=? P(AUB)=5/9 B P(AUB)=? P(AB)=0 P(AB)=? P(A’)=6/9=2/3 P(A’)=? P(B’)=7/9 P(B’)=? Bioestadística. U. Málaga. Tema 4: Probabilidad

Probabilidad condicionada Se llama probabilidad de A condicionada a B, o probabilidad de A sabiendo que pasa B: E espacio muestral A “tamaño” de uno respecto al otro B Error frecuentíiiiiiisimo: No confundáis probabilidad condicionada con intersección. En ambos medimos efectivamente la intersección, pero… En P(A∩B) con respecto a P(E)=1 En P(A|B) con respecto a P(B) Bioestadística. U. Málaga. Tema 4: Probabilidad

EJEMPLOS P(A)=3/9=1/3 P(B)=5/9 P(AUB)=6/9=2/3 P(AB)=2/9 P(A)=3/9=1/3 E espacio muestral A B P(B)=5/9 P(AUB)=6/9=2/3 P(AB)=2/9 P(A)=3/9=1/3 P(A’)=6/9=2/3 E espacio muestral A B P(B)=2/9 P(B’)=4/9 P(AUB)=3/9=1/3 P(A|B)=2/5 P(A|B)=? P(B|A)=2/3 P(B|A)=? P(AB)=2/9 P(A’)=6/9=2/3 P(A)=3/9=1/3 P(B’)=7/9 E espacio muestral A P(B)=2/9 P(A|B)=1 P(A|B)=? P(B|A)=2/3 P(B|A)=? P(AUB)=5/9 B P(AB)=0 P(A’)=6/9=2/3 P(B’)=7/9 P(A|B)=0 P(A|B)=0 P(A|B)=? P(B|A)=0 P(B|A)=0 P(B|A)=? Bioestadística. U. Málaga. Tema 4: Probabilidad

Intuir la probabilidad condicionada P(A) = 0,25 P(B) = 0,10 P(A∩B) = 0,10 P(A) = 0,25 P(B) = 0,10 P(A∩B) = 0,08 ¿Probabilidad de A sabiendo que ha pasado B? P(A|B)=1 P(A|B)=0,8 Bioestadística. U. Málaga. Tema 4: Probabilidad

Intuir la probabilidad condicionada P(A) = 0,25 P(B) = 0,10 P(A∩B) = 0,005 P(A) = 0,25 P(B) = 0,10 P(A∩B) = 0 ¿Probabilidad de A sabiendo que ha pasado B? P(A|B)=0,05 P(A|B)=0 Bioestadística. U. Málaga. Tema 4: Probabilidad

Algunas reglas de cálculo prácticas Cualquier problema de probabilidad puede resolverse en teoría mediante aplicación de los axiomas. Sin embargo, es más cómodo conocer algunas reglas de cálculo: P(A’) = 1 - P(A) P(AUB) = P(A) + P(B) - P(AB) P(AB) = P(A) P(B|A) = P(B) P(A|B) Prob. de que pasen A y B es la prob. de A y que también pase B sabiendo que pasó A. Bioestadística. U. Málaga. Tema 4: Probabilidad

Ejemplo (I) Se ha repetido en 1000 ocasiones el experimento de elegir a una mujer de una población muy grande. El resultado está en la tabla. ¿Cuál es la probabilidad de que una mujer tenga osteoporosis? P(Osteoporosis)=64/1000=0,064=6,4% Noción frecuentista de probabilidad ¿Cuál es la probabilidad de que una mujer no tenga osteoporosis? P(No Osteoporosis)=1-P(Osteoporsis)=1-64/1000=0,936=93,6% Bioestadística. U. Málaga. Tema 4: Probabilidad

Ejemplo (II) ¿Probabilidad de tener osteopenia u osteoporosis? P(OsteopeniaUOsteoporosis)=P(Osteopenia)+P(Osteoporosis)-P(Osteopenia∩Osteoporosis)=467/1000+64/1000=0,531 Son sucesos disjuntos Osteopenia ∩ Osteoporosis=Ø ¿Probabilidad de tener osteoporosis o menopausia? P(OsteoporosisUMenopausia)=P(Osteoporosis)+P(Menopausia)-P(Osteoporosis ∩ Menopausia)=64/1000+697/1000-58/1000=0,703 No son sucesos disjuntos ¿Probabilidad de una mujer normal? P(Normal)=469/1000=0,469 P(Normal)=1-P(Normal’)=1-P(OsteopeniaUOsteoporosis) =1-0,531=0,469 Bioestadística. U. Málaga. Tema 4: Probabilidad

Ejemplo (III) Si es menopáusica… ¿probabilidad de osteoporosis? P(Osteoporosis|Menopausia)=58/697=0,098 ¿Probabilidad de menopausia y osteoporosis? P(Menop ∩ Osteoporosis) = 58/1000=0,058 Otra forma: Bioestadística. U. Málaga. Tema 4: Probabilidad

Ejemplo (III) Si tiene osteoporosis… ¿probabilidad de menopausia? P(Menopausia|Osteoporosis)=58/64=0,906 ¿Probabilidad de menopausia y no osteoporosis? P(Menop ∩ No Osteoporosis) = 639/1000=0,639 Si tiene no tiene osteoporosis… ¿probabilidad de no menopausia? P(No Menopausia|NoOsteoporosis)=297/936=0,317 Bioestadística. U. Málaga. Tema 4: Probabilidad

Independencia de sucesos Dos sucesos son independientes si el que ocurra uno, no añade información sobre el otro. A es independiente de B  P(A|B) = P(A)  P(AB) = P(A) P(B) Bioestadística. U. Málaga. Tema 4: Probabilidad

Ejemplo (IV) ¿Son independientes menopausia y osteoporosis? Una forma de hacerlo P(Osteoporosis)=64/1000=0,064 P(Osteoporosis|Menopausia)=58/697=0,098 La probabilidad de tener osteoporosis es mayor si ha pasado la menopausia. Añade información extra. ¡No son independientes! ¿Otra forma? P(Menop ∩ Osteoporosis) = 58/1000 = 0,058 P(Menop) P(Osteoporosis)= (697/1000) x (64/1000) = 0,045 La probabilidad de la intersección no es el producto de probabilidades. No son independientes. Bioestadística. U. Málaga. Tema 4: Probabilidad

Sistema exhaustivo y excluyente de sucesos Son una colección de sucesos A1, A2, A3, A4… Tales que la unión de todos ellos forman el espacio muestral, y sus intersecciones son disjuntas. ¿Recordáis cómo formar intervalos en tablas de frecuencias? A1 A2 Suceso seguro A1 A2 A3 A4 A3 A4 Bioestadística. U. Málaga. Tema 4: Probabilidad

Divide y vencerás Todo suceso B, puede ser descompuesto en componentes de dicho sistema. A1 A2 B = (B∩A1) U (B∩A2 ) U ( B∩A3 ) U ( B∩A4 ) B Suceso seguro A1 A2 A3 A4 B A3 A4 Nos permite descomponer el problema B en subproblemas más simples. Creedme . Funciona. Bioestadística. U. Málaga. Tema 4: Probabilidad

Teorema de la probabilidad total Si conocemos la probabilidad de B en cada uno de los componentes de un sistema exhaustivo y excluyente de sucesos, entonces… … podemos calcular la probabilidad de B. A1 A2 B P(B|A1) Suceso seguro A1 A2 A3 A4 B P(A1) P(B|A2) P(A2) A3 A4 P(B|A3) P(A3) P(A4) P(B|A4) P(B) = P(B∩A1) + P(B∩A2 ) + P( B∩A3 ) + P( B∩A4 ) =P(A1) P(B|A1) + P(A2) P(B|A2)+ … Bioestadística. U. Málaga. Tema 4: Probabilidad

¿Qué porcentaje de fumadores hay? Ejemplo (I): En este aula el 70% de los alumnos son mujeres. De ellas el 10% son fumadoras. De los hombres, son fumadores el 20%. ¿Qué porcentaje de fumadores hay? P(F) = P(M∩F) + P(H∩F) = P(M)P(F|M) + P(H)P(F|H) =0,7 x 0,1 + 0,3 x 0,2 = 0,13 =13% T. Prob. Total. Hombres y mujeres forman un sist. Exh. Excl. de sucesos Fuma 0,1 Mujer 0,9 0,7 No fuma Estudiante Fuma 0,2 0,3 Hombre Los caminos a través de nodos representan intersecciones. Las bifurcaciones representan uniones disjuntas. 0,8 No fuma Bioestadística. U. Málaga. Tema 4: Probabilidad

¿Qué probabilidad de infección hay? Ejemplo (II): En un centro hay dos quirófanos. El 1º se usa el 75% de veces para operar. En el 1º la frec. de infección es del 5% y en el 2º del 10%. ¿Qué probabilidad de infección hay? P(I) = P(Q1∩I) + P(Q2∩I) = P(Q1)P(I|Q1) + P(Q2)P(I|Q2) =0,75 x 0,05 + 0,25 x 0,1 = 0,0625 Infec 0,05 Q1 0,95 0,75 No infec Paciente Infec 0,1 0,25 Q2 0,9 No infec T. Prob. Total. Los dos quirófanos forman un sist. Exh. Excl. de sucesos Bioestadística. U. Málaga. Tema 4: Probabilidad

Ejemplo (III): El 20% del tiempo que se está en una casa transcurre en la cocina, el 10% en el baño y el resto entre el salón y el dormitorio. Por otro lado la probabilidad de tener un accidente doméstico estando en la cocina es de 0,30 de tenerlo estando en el baño es de 0,20 y de tenerlo fuera de ambos de 0,10. ¿Cuál es la probabilidad de tener un accidente doméstico? Acc 0,30 P(A) = P(A∩C) + P(A∩B) + P(A∩R) = P(C)P(A|C) + P(B)P(A|B) + P(R)P(A|R) =0,2 x 0,3 + 0,1 x 0,2 + 0,7 x 0,1 = 0,15 = 15% No Acc Cocina 0,20 0,70 Acc 0,20 Casa 0,10 Baño No Acc 0,80 Acc 0,70 0,10 Resto No Acc 0,90 Bioestadística. U. Málaga. Tema 4: Probabilidad

Teorema de Bayes Si conocemos la probabilidad de B en cada uno de los componentes de un sistema exhaustivo y excluyente de sucesos, entonces… …si ocurre B, podemos calcular la probabilidad (a posteriori) de ocurrencia de cada Ai. A1 A2 B A3 A4 donde P(B) se puede calcular usando el teorema de la probabilidad total: P(B)=P(B∩A1) + P(B∩A2 ) + P( B∩A3 ) + ( B∩A4 ) =P(B|A1) P(A1) + P(B|A2) P(A2) + … Bioestadística. U. Málaga. Tema 4: Probabilidad

¿Qué porcentaje de fumadores hay? Ejemplo (IV): En este aula el 70% de los alumnos son mujeres. De ellas el 10% son fumadoras. De los varones, son fumadores el 20%. ¿Qué porcentaje de fumadores hay? P(F) = =0,7 x 0,1 + 0,3 x 0,2 = 0,13 (Resuelto antes) Se elije a un individuo al azar y es… fumador ¿Probabilidad de que sea un hombre? Fuma 0,1 Mujer 0,7 0,9 No fuma Estudiante Fuma 0,2 0,3 Hombre 0,8 No fuma Bioestadística. U. Málaga. Tema 4: Probabilidad

¿Qué probabilidad de infección hay? P(I) = 0,0625 Ejemplo (V): En un centro hay dos quirófanos. El 1º se usa el 75% de veces para operar. En el 1º la frec. de infección es del 5% y en el 2º del 10%. ¿Qué probabilidad de infección hay? P(I) = 0,0625 Se ha producido una infección. ¿Qué probabilidad hay de que sea en el Q1? Infec 0,05 Q1 0,95 0,75 No infec Paciente Infec 0,1 0,25 Q2 0,9 No infec Bioestadística. U. Málaga. Tema 4: Probabilidad

Ejemplo (VI): El 20% del tiempo que se está en una casa transcurre en la cocina, el 10% en el baño y el resto entre el salón y el dormitorio. Por otro lado la probabilidad de tener un accidente doméstico estando en la cocina es de 0,30 de tenerlo estando en el baño es de 0,20 y de tenerlo fuera de ambos de 0,10. Se ha producido un accidente, ¿cuál es la probabilidad de que haya sido en la cocina? P(A) = 0,15 (ya calculado) Acc 0,30 No Acc Cocina 0,20 0,70 Acc 0,20 Casa 0,10 Baño No Acc 0,80 Acc 0,70 0,10 Resto No Acc 0,90 Bioestadística. U. Málaga. Tema 4: Probabilidad

Ejemplo de prueba diagnósticas: Diabetes Los carbohidratos ingeridos terminan como glucosa en la sangre. El exceso se transforma en glucógeno y se almacena en hígado y músculos. Este se transforma entre comidas de nuevo en glucosa según necesidades. La principal hormona que regula su concentración es la insulina. La diabetes provoca su deficiencia o bien la insensibilidad del organismo a su presencia. Es una enfermedad muy común que afecta al 2% de la población (prevalencia) Una prueba común para diagnosticar la diabetes, consiste en medir el nivel de glucosa. En individuos sanos suele variar entre 64 y 110mg/dL. El cambio de color de un indicador al contacto con la orina suele usarse como indicador (resultado del test positivo) Valores por encima de 110 mg/dL se asocian con un posible estado pre-diabético. Pero no es seguro. Otras causas podrían ser: hipertiroidismo, cancer de páncreas, pancreatitis, atracón reciente de comida… Supongamos que los enfermos de diabetes, tienen un valor medio de 126mg/dL. Bioestadística. U. Málaga. Tema 4: Probabilidad

Funcionamiento de la prueba diagnóstica de glucemia Valor límite: 110mg/dL Superior: test positivo. Inferior: test negativo. Probabilidad de acierto: Para enfermos Verdadero positivo (sensibilidad) Para sanos Verdadero negativo (especificidad) Probabilidad de error Falso – Falso + Bioestadística. U. Málaga. Tema 4: Probabilidad

¿Cómo definir el punto de corte de la prueba diagnóstica? No es simple. No es posible aumentar sensibilidad y especificidad al mismo tiempo. Hay que elegir una solución de compromiso: Aceptable sensibilidad y especificidad. Bioestadística. U. Málaga. Tema 4: Probabilidad

En pricipio tenemos una idea subjetiva de P(Enfermo). Nos ayudamos de… Una prueba diagnóstica ayuda a mejorar una estimación de la probabilidad de que un individuo presente una enfermedad. En pricipio tenemos una idea subjetiva de P(Enfermo). Nos ayudamos de… Incidencia: Porcentaje de nuevos casos de la enfermedad en la población. Prevalencia: Porcentaje de la población que presenta una enfermedad. Para confirmar la sospecha, usamos una prueba diagnóstica. Ha sido evaluada con anterioridad sobre dos grupos de individuos: sanos y enfermos. Así de modo frecuentista se ha estimado: P(+ | Enfermo)= Sensibilidad (verdaderos +)= Tasa de acierto sobre enfermos. P(- | Sano) = Especificidad (verdaderos -)= Tasa de acierto sobre sanos. A partir de lo anterior y usando el teorema de Bayes, podemos calcular las probabilidades a posteriori (en función de los resultados del test): Índices predictivos P(Enfermo | +) = Índice predictivo positivo P(Sano | -) = Índice predictivo negativo Bioestadística. U. Málaga. Tema 4: Probabilidad

Pruebas diagnósticas: aplicación T. Bayes. Sensibilidad, verdaderos + P. a priori de enfermedad: incid., preval., intuición,… Enfermo T- Falsos - Individuo Falsos + T+ Sano T- Especificidad, Verdaderos - Bioestadística. U. Málaga. Tema 4: Probabilidad

Ejemplo: Índices predictivos Individuo La diabetes afecta al 2% de los individuos. La presencia de glucosuria se usa como indicador de diabetes. Su sensibilidad es de 0,945. La especificidad de 0,977. Calcular los índices predictivos. 0,98 0,02 0,055 0,945 0,977 0,023 T- T+ T+ T- Bioestadística. U. Málaga. Tema 4: Probabilidad

Observaciones -¿Qué probabilidad tengo de estar enfermo? - En principio un 2%. Le haremos unas pruebas. En el ejemplo anterior, al llegar un individuo a la consulta tenemos una idea a priori sobre la probabilidad de que tenga una enfermedad. A continuación se le pasa una prueba diagnóstica que nos aportará nueva información: Presenta glucosuria o no. En función del resultado tenemos una nueva idea (a posteriori) sobre la probabilidad de que esté enfermo. Nuestra opinión a priori ha sido modificada por el resultado de un experimento. - Presenta glucosuria. La probabilidad ahora es del 45,6%. Bioestadística. U. Málaga. Tema 4: Probabilidad

¿Qué hemos visto? Álgebra de sucesos Probabilidad Unión, intersección, complemento Probabilidad Nociones Frecuentista Subjetiva o Bayesiana Axiomas Probabilidad condicionada Reglas de cálculo Complementario, Unión, Intersección Independencia de sucesos Sistema exhaustivo y excluyente de sucesos Teorema probabilidad total. Teorema de Bayes Pruebas diagnósticas A priori: Incidencia, prevalencia. Eficacia de la prueba: Sensibilidad, especificidad. A posteriori: Índices predictivos. Bioestadística. U. Málaga. Tema 4: Probabilidad